З оцінкою в 1 мільярд доларів США, Imbue залучає 200 мільйонів доларів США фінансування, щоб привести до наступного етапу агента.

Джерело: SenseAI

Джерело зображення: створено Unbounded AI‌

Великі моделі були в холоді, але божевілля фінансування в напрямі агента, здається, все ще в розпалі. Imbue нещодавно отримала 200 мільйонів доларів США у вигляді фінансування серії B, а її оцінка перевищила 1 мільярд доларів США. Головним інвестором є Astera Institute, некомерційна організація, заснована криптовалютним мільярдером Джедом Маккалебом, а також Nvidia, Кайл Вогт, генеральний директор безпілотної компанії General Motors Cruise, і співзасновник Notion Саймон Ласт. інвесторів у цьому раунді фінансування Інвестори допомогли Imbue перетворитися на нового єдинорога в галузі ШІ. Великі мовні моделі, можливо, не зможуть конкурувати з Open AI, але коли мова заходить про агента, важко сказати, хто стане «OpenAI» у цій галузі.

Будучи компанією-початківцем, також у сфері агентів штучного інтелекту, Imbue більше схожа на дослідницьку лабораторію штучного інтелекту, орієнтовану на технології. Вона починає зі сценарію програмування та прагне тренувати здатність міркувати моделі, щоб кожен міг налаштувати свою власний агент штучного інтелекту.

Незважаючи на те, що Imbue, оцінена в 1 мільярд доларів США, вийшла на перше місце, сама компанія Imbue все ще перебуває на дуже ранній стадії розвитку, маючи лише 20 співробітників і ще не розвинених продуктів. Це також тісно пов'язано з цінностями компанії. Засновники сказали, що шлях Imbue до комерціалізації ще довгий. Під час процесу фінансування вони навмисно уникали зустрічей з компаніями венчурного капіталу. Некомерційні організації будуть більш терплячими до зростання компанії.

Команда Imbue невелика, але члени команди мають дуже різне походження та багатий досвід у галузі штучного інтелекту, нейронаук, фізики плазми та інших дисциплін.

Сенс сказав: Варто зазначити, що Imbue є одним із небагатьох стартапів штучного інтелекту, очолюваних жінками-підприємцями. Засновник Канджун зосереджується на «людях», «культурі» та соціальних організаціях і прагне до реалізації загального інтелекту шляхом розуміння способу мислення машин. Після закінчення університету Канджун приєднався до Dropbox як голова штабу та збільшив компанію з 300 до 1500. Пізніше він заснував The Archive and Sourceress, платформу для набору кадрів зі штучним інтелектом, інвестицію в яку отримав YC.

Вони націлені на трек Agent, заснований на надвеликомасштабних мовних моделях, постійно вдосконалюючи можливості міркування ШІ та збагачуючи сценарії агентів, сподіваючись досягти повного інтелекту ШІ в суперПК.Люди можуть установлювати Агенти з різними функціями відповідно до своїх цілей. Послуги та наша щоденна робота.

1. Ефективному агенту необхідно тренувати сильні навички міркування

Вони кажуть, що поточні системи штучного інтелекту дуже обмежені у своїй здатності виконувати прості завдання від імені користувачів, і хоча швидкий прогрес можна очікувати в найближчі роки, він не відбудеться, доки агенти штучного інтелекту не зможуть досягти більш складних цілей у справді потужному, безпечним і зручним способом. , попереду ще багато роботи.

Міркування часто вважають основною перешкодою для завершення ефективного агента. Це передбачає здатність справлятися з невизначеністю, знати, коли змінити методи, ставити запитання, збирати нову інформацію та мати справу зі складними й складними ситуаціями в реальному житті. Здатність передбачати проблеми. Щоб створити надійну модель висновку, Imbue використовує підхід «повного стеку»: навчання базової моделі, створення експериментальних агентів та інтерфейсів, інвестування ресурсів у інструменти інфраструктури та постійне вивчення основного механізму роботи моделі.

• **Рівень моделі. ** Дуже великі моделі, навчені Imbue, мають понад 100 мільярдів параметрів. Завдяки інвестиціям NVIDIA вони мають ** близько 10 000 кластерів H100 **, що дозволяє їм швидко виконувати все, від навчальних даних до архітектури та механізмів висновку. Ітерації – про стільки ж процесорів OpenAI, які використовуються для навчання GPT-3.

• **Рівень агента. ** На даний момент Imbue в основному розробляє агенти для внутрішнього кодування, а також інкубує інші напрямки агентів.

• **Рівень інтерфейсу. **Поточний інтерфейс чату AI в основному скевоморфний. Команда вважає, що це не обов’язково найкращий спосіб взаємодії. Новий інтерактивний інтерфейс може краще відповідати надійності Агента, можливостям співпраці та довірі. Вони можуть розуміти світ і бути більш реалістичними.

• **Шар інструментів. ** Imbue інвестує багато ресурсів у внутрішні системи, будь то перевірка помилок або сторінки візуалізації для агентів і моделей. Покращення побудови ефективних інструментів може зробити весь процес більш наочним і водночас це може впровадити свіжі ідеї у зовнішні інструменти продукту.

• **Теоретичний рівень. **Дослідники Imbue опублікували статті про теоретичні основи самоконтрольованого навчання та основні закони системного навчання, такі як керування нейронними мережами. Вони вважають, що лише глибоко розуміючи теорію глибинного навчання, ми зможемо краще зрозуміти основний механізм процесу навчання великих мовних моделей.

Цей підхід «повного стека» поступово сформував форвардний цикл. Розробка агентів і інструментів, які можна використовувати всередині, може допомогти Imbue швидше повторювати кращі моделі, тим самим розблоковуючи більше корисних агентів і створюючи кращі моделі. Дослідження теорій може сприяти розумінню нейронних мереж, що потім може призвести до кращого проектування модельних архітектур.

2. Розробка з агентом кодування як точкою входу

Imbue вибрав сценарій кодування як точку входу для агента з самого початку, головним чином тому, що:

• **Використання є необхідною умовою для інновацій. **Якщо розроблені продукти часто використовуються в щоденній роботі, продукту можна приділити достатньо уваги та отримати достатньо інформації для подальшої оптимізації.

• **Рішення проблем кодування може покращити можливості міркування моделі. **Можливо, через те, що код є одним із небагатьох явних прикладів логічного висновку в Інтернеті, навчання коду часто може покращити можливості моделі логічного висновку. І оскільки проблеми програмування є дуже об’єктивними (код або проходить перевірку, або ні), він утворює ідеальну тестову базу для розуміння того, чи вносяться значущі вдосконалення базової системи.

• **Навички кодування важливі для остаточного вирішення проблеми. **Генерація коду є ефективним способом для Агента вирішити проблеми. Більші можливості кодування перетворюються безпосередньо на агента, який, швидше за все, успішно виконає складні завдання. (Наприклад, агент, який пише SQL-запит для отримання інформації в таблиці, швидше за все, задовольнить запит користувача, ніж агент, який намагається зібрати ту саму інформацію без використання коду.)

• **Coding Agent має важливе стратегічне значення. ** У міру того, як агенти вдосконалюються та беруть на себе більше нашої роботи, швидкість досліджень і проектування в корпорації Imbue зростає. Це не тільки допомагає побудувати програмну систему, але й уможливлює наступний крок прототипування за допомогою можливості кодування агента.

Але наразі Imbue не планує відкривати агент кодування, це стало способом вдосконалення агента. У міру розвитку продукту відповідні інструменти та моделі будуть оприлюднені.

Коли ми створюємо агентів штучного інтелекту, ми фактично створюємо розумні ПК, які розуміють наші цілі, активно спілкуються та працюють на нас у фоновому режимі. Сьогодні ми не можемо жити без комп’ютерів, тому що важко щось зробити, якщо ми не перед ними. Справді корисні агенти штучного інтелекту кардинально змінять це, дозволяючи нам зосередитися на речах, які нас справді хвилюють.

Це бачення Imbue: **Ми хочемо створювати справжні персональні комп’ютери, які дають нам свободу, гідність і свободу волі робити те, що ми любимо. **

«Якщо ми продумано створимо цю технологію, ми зможемо жити у світі, де нам більше не потрібно бути приклеєними до екрану, а комп’ютери допоможуть нам усунути бар’єри між ідеями та їх виконанням. Ми зможемо вільно досліджувати наші цікаві речі та відкривати всесвітньої рутини, створюйте мистецтво, глибше пізнайте один одного або просто знайдіть час, щоб насолоджуватися життям».

Водночас Imbue також приділяє пильну увагу ризикам безпеки штучного інтелекту та вже виконала роботу в трьох напрямках:

• Розробляйте агентів штучного інтелекту, щоб міркувати природною мовою та повністю залежати від цілей кінцевого користувача.

• Дотримуйтесь фундаментальних принципів глибокого навчання, щоб покращити розуміння найважливіших сучасних систем штучного інтелекту.

• Розробити інструменти, які дозволять розробникам політики зрозуміти широкий спектр регулятивних рекомендацій і втілити їх у політику захисту людей.

Список літератури